英特尔实验室推出基于神经网络的新型物体学习方法

英特尔实验室的研究人员与意大利科技研究所和慕尼黑工业大学合作，推出了基于神经网络的新型物体学习方法。这种新方法专门针对未来机器人应用，例如在物流和医疗保健等领域中与不受约束的环境交互的机器人助手。

这项新研究对于改进我们未来机器人的服务或制造能力至关重要。

这项研究论文《机器人交互式持续学习：一种神经形态方法》在2022年奥克里奇国家实验室举办的国际神经形态系统会议（ICONS）上获得了“最佳论文”奖。

物体学习和神经形态计算

新的交互式物体学习方法采用神经形态计算，使机器人能够发现新的物体。

研究人员使用新的模型在Loihi神经形态芯片上演示了交互式学习，并且在学习新物体实例时实现了最高175倍的功耗降低。他们还实现了与在CPU上运行的传统方法相似的或更好的速度和准确性。

图片：英特尔实验室

研究人员通过在Loihi上实现脉冲神经网络架构，实现了将物体学习局限在单层可塑性突触中。这也使得通过按需招募新的神经元来考虑不同的物体视图成为可能。然后，学习过程可以在与用户交互的同时自主进行。

尤利娅·桑达米尔斯卡娅（Yulia Sandamirskaya）是论文的首席作者，也是英特尔神经形态计算实验室的机器人研究负责人。

“当人类学习新物体时，他们会看一下，转动它，问它是什么，然后他们就能在各种环境和条件下瞬间识别它，”桑达米尔斯卡娅说。“我们的目标是将类似的能力应用于在交互式环境中工作的未来机器人，使它们能够适应意外情况并与人类更自然地合作。我们的Loihi结果强调了神经形态计算在机器人领域的价值。”

图片：英特尔实验室

英特尔实验室神经形态计算研究

英特尔实验室是神经形态计算研究领域的领导者，致力于“帮助实现神经形态计算的目标，即实现下一代智能设备和自主系统。”

神经形态计算遵循生物神经计算的原理，依赖于新的算法方法来模拟人类大脑及其与世界的交互。

神经形态计算的创新架构方法将负责为需要同时实现能效和持续学习的未来自主人工智能解决方案提供动力。它已经被应用于机器人、传感器、医疗保健和大规模人工智能应用等领域。